Buka file CSV

Membaca CSV tanpa membiarkan Excel menyentuhnya

Alasan membuka CSV di sini, bukan di Excel, adalah karena Excel mengubahnya saat membukanya. Angka nol di depan pada kode pos atau nomor rekening dibuang, karena kolomnya terlihat seperti angka. Pengenal yang lebih panjang dari lima belas digit dibulatkan. Apa pun yang menyerupai tanggal diformat ulang sesuai konvensi setempat, sehingga 03/05 berubah makna tergantung negaranya. Dan nama gen seperti SEPT1 berubah menjadi tanggal — masalah yang begitu membandel sampai-sampai para ahli genetika mengganti nama gen tersebut. Tidak ada yang seperti itu terjadi di sini: nilai ditampilkan persis seperti yang dinyatakan byte di dalam file.

CSV tidak punya standar yang sungguh-sungguh, jadi tugas pertama adalah mengenali seperti apa file itu. Pemisahnya bisa berupa koma, titik koma, atau tab — pengaturan regional Eropa mengekspor titik koma, karena koma adalah pemisah desimal mereka — dan encoding-nya bisa UTF-8 atau code page lama, yang mengubah nama beraksen menjadi mojibake jika ditebak salah. Keduanya dideteksi, bukan diasumsikan, sehingga hampir semua ekspor nyata bisa ditangani, dan keduanya bisa Anda ubah sendiri jika deteksinya keliru, alih-alih membuat Anda terjebak.

Tanda kutip adalah titik tempat penampil yang naif gagal. Field yang diapit tanda kutip secara sah boleh berisi koma, baris baru, dan tanda kutip ganda, sehingga baris yang berisi alamat pos bisa membentang beberapa baris fisik di file, tetapi tetap satu record. Apa pun yang memisahkan berdasarkan koma akan merusak persis baris-baris itu — itulah sebabnya file terlihat benar di editor teks tetapi salah di penampil, atau sebaliknya.

File yang tidak rata — baris dengan jumlah field lebih banyak atau lebih sedikit daripada header — ditampilkan apa adanya, tidak diam-diam ditambah atau dipotong, karena baris dengan jumlah field yang salah biasanya merupakan gejala masalah tanda kutip di bagian atasnya, dan menyembunyikannya berarti menyembunyikan bug-nya. Seluruh file diurai di dalam halaman, jadi pemakaian memori sebanding dengan ukurannya.

Jika Anda butuh hal lain

Di command line, csvkit dibuat persis untuk ini: csvlook mencetak tabel yang rapi, csvstat merangkum setiap kolom, dan csvclean melaporkan dan memperbaiki baris yang tidak rata. Miller — mlr --icsv --opprint cat data.csv — melakukan hal yang sama dengan cepat dan bisa menangani file yang lebih besar daripada memori. VisiData layak Anda ketahui untuk eksplorasi interaktif: ia membuka file berukuran beberapa gigabyte seketika di terminal, lengkap dengan pengurutan, filter, dan hitungan frekuensi.

Jika Anda terpaksa membuka CSV di Excel, gunakan Data → Dari Teks/CSV, jangan mengklik dua kali file-nya. Dialog impor memungkinkan Anda menentukan tipe setiap kolom sebelum apa pun diurai, dan itulah satu-satunya cara yang andal untuk mencegah konversi di atas terjadi. Mengklik dua kali memberi Excel izin untuk menebak, dan Excel menebak dengan penuh percaya diri.